文章列表-AI魔法学院

文章列表

解读wav2lip：探究语音驱动唇部动作的技术原理！

-口型同步：因为面部重建损失是基于整个图像计算的，而唇部区域只占整个图像的很小一部分（不到4%），因而无法聚焦唇部细节。

wav2lip 语音

ComfyUI-ControlNet不能漏啊！

蓝色点点就是需要上传的图像的，且需要连接cn的预处理器。

ComfyUI ControlNeT

我去华强北走了一圈，发现这里正被另一种 AI 包围

龙胜配件城、飞扬大厦、华强新电子世界.....在成批的电子元器件、苹果手机、智能手表之外，出现了 AI 翻译机、AI 吉他、AI 手机壳、AI 戒指、VR 眼镜、人形机器人......AI 已经成为了最潮流的主语

华强北 AI

Stable Diffusion

造梦师手记：腾讯加入Stable Diffusion的ControlNet模型开发，效果艳丽

ControlNet 在论文里提到，Canny Edge detector 模型的训练用了 300 万张边缘-图像-标注对的语料，A100 80G 的 600 个 GPU 小时。

Stable Diffusion

微软研究团队：Sora核心技术及未来机会研究报告-中英对照版

紧接着，流模型 [9] 和扩散模型 [10] 的发展，使图像生成的细节和质量得到了进一步提升。

sora 论文

Stable Diffusion

Stable Diffusion教程：绘制3D风格的手办公仔

Stable Diffusion是一种强大的深度学习模型，能够将2D图像转化为具有丰富细节和质感的3D模型。

Stable Diffusion 教程 3D

回望做大模型一年后的感悟

写在前面过去一年应该是AI圈最万千瞩目的一年了，大家对大模型、OpenAI、ChatGPT、AI Native、Agent这些词投入了太多的关注，以至于有一年的时间好像经历原本应该两三年才有的科技进步的感觉

大模型感悟

8个超级GPTs Agent，每个浏览量超20w+（实用建议+攻防Prompt）

chat.openai.com/g/g-YL87j8C7S-chao-qiang-logosheng-cheng-qi 3）AIsir助手专注于提供详细、实用的建议，并以冷静、客观的语调进行交流，

GPTs Agent

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理！

Embedding技术是一种将图像、音视频等非结构化数据转化为计算机能够识别的语言的方法，例如常见的地图就是对于现实地理的Embedding，现实的地理地形的信息其实远远超过三维，但是地图通过颜色和等高线等来最大化表现现实的地理信息

AI Agents 大模型

AI Agent行业深度：框架拆解、应用方向、应用领域及相关公司深度梳理

Embedding技术是一种将图像、音视频等非结构化数据转化为计算机能够识别的语言的方法，例如常见的地图就是对于现实地理的Embedding，现实的地理地形的信息其实远远超过三维，但是地图通过颜色和等高线等来最大化表现现实的地理信息

AI Agent 大模型人工智能

开源大语言模型完整列表

VisualGLM-6B —— 多模态对话语言模型 VisualGLM-6B 是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM-6B，具有 62 亿参数；图像部分通过训练

开源模型大语言模型

如何从零开始训练专属 LoRA 模型？4600字总结送给你！

一、训练数据集准备这个过程主要做三件事：训练素材处理图像预处理打标优化 1.

训练

大模型能力快速测评极简题目

玉皇大帝住在平流层还是对流层？

大模型

最受欢迎的15个ChatGPT提示词，优化给ChatGPT用户，拿走不谢

提示：作为写作改进助理，您的任务是将提供的文本中的语法错误、拼写错误纠正，并改善文本的流畅性和可读性。

ChatGPT 提示词

和王小川聊再创业这一年：回应朱啸虎、谈中国AGI第三种可能

他试图阐释在技术和市场、理想和现实之外，中国AGI还有第三种可能性。

王小川中国大模型

<...39 40 41 424344 45 46 47 48 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1